从包含两个日期的字符串的 pandas 单元格创建日期列表

Question

我有一个包含日期范围字符串的数据框，看起来像这样：

  winter            easter          pentecost       summer
1 01.02. - 06.02.   31.03. - 10.04. 14.05.+25.05.   07.07. - 21.08.

现在我想生成这些范围内所有日期的列表。是否有比为每一行执行以下操作更 Pythonic 的解决方案：

def add_years(d, years):
    """
    credits: https://stackoverflow.com/a/15743908/12934163
    """
    try:
        return d.replace(year = d.year + years)
    except ValueError:
        return d + (date(d.year + years, 1, 1) - date(d.year, 1, 1))


holidays_list = []
for col in holidays.columns:
    if holidays[col].str.contains('\+', na=True).values[0]:
        days_list = holidays[col].values[0].split('+')
        date_strings = [s + '2010' for s in days_list]
        holidays_list.extend([datetime.strptime(date, "%d.%m.%Y").date() for date in date_strings])
    else:
        days_list = holidays[col].str.split('-',1).tolist()
        days_list = [x.strip(' ') for x in days_list[0]]
        date_strings = [s + '2010' for s in days_list]
        date_dates = [datetime.strptime(date, "%d.%m.%Y").date() for date in date_strings]
        if date_dates[0] > date_dates[1]:
            date_dates[1] = add_years(date_dates[1],1)
        dates_between = list(pd.date_range(date_dates[0],date_dates[1],freq='d'))
        ferien_liste.extend(dates_between)

并将每一列的值附加到一个列表中？如您所见，某些列包含+ 而不是-，这意味着它不是一个范围，而是两天。此外，有时范围超过一年，比如23.12. - 01.01

Answer 1

您可以使用正则表达式来识别日期模式并从中提取日期和月份值。将此代码放在一个函数中以应用于您的数据框列，如下所示（注意我在您的 2 个案例中使用的 pat1 和 pat2 正则表达式）：

def parse_date_patterns(pattern):
    pat1 = '(\d*).(\d*).\s*\-\s*(\d*).(\d*).'
    pat2 = '(\d*).(\d*).\s*\+\s*(\d*).(\d*).'
    if '-' in pattern:
        day_start, month_start, day_end, month_end = re.findall(pat1, pattern)[0]
        list_dates = pd.date_range(start='{m}.{d}.2010'.format(m=month_start, d=day_start), end='{m}.{d}.2010'.format(m=month_end, d=day_end)).tolist()
    elif '+' in pattern:
        day_start, month_start, day_end, month_end = re.findall(pat2, pattern)[0]
        list_dates = [pd.to_datetime('{m}.{d}.2010'.format(m=month_start, d=day_start)), pd.to_datetime('{m}.{d}.2010'.format(m=month_end, d=day_end))]
    return list_dates

然后您可以将此函数应用于数据框的所有列：

df['winter'] = df.winter.apply(parse_date_patterns)
df['easter'] = df.easter.apply(parse_date_patterns) 
df['pentecost'] = df.pentecost.apply(parse_date_patterns)
df['summer'] = df.summer.apply(parse_date_patterns)

您的数据框现在将在每行中包含所需的日期列表：

>>> print(df)
                                                  winter                                             easter                                   pentecost                                             summer
    0  [2010-02-01 00:00:00, 2010-02-02 00:00:00, 201...  [2010-03-31 00:00:00, 2010-04-01 00:00:00, 201...  [2010-05-14 00:00:00, 2010-05-25 00:00:00]  [2010-07-07 00:00:00, 2010-07-08 00:00:00, 201...